CN112132129A - 一种基于外观图像的枸杞子道地性ai识别方法 - Google Patents

Abstract

本发明公开了一种基于外观图像的枸杞子道地性AI识别方法。利用不同枸杞产地枸杞子的光学图像构成的训练集和验证集，对采用卷积深度神经网络(CNN)进行模型训练，通过增加非枸杞子样本图像提高模型对枸杞子与非枸杞子的区分能力，同时，通过初步获得的模型对训练集和验证集进行预测，将预测正确概率最高的部分样本除去，剩下的样本再继续分为训练集和验证集对模型进行训练，进一步提高模型预测准确率，最终获得高预测准确度的枸杞道地性AI预测模型，与传统的依靠成分分析方法相比，该方法实现了对枸杞道地性的低成本、简易、快速识别。

Description

一种基于外观图像的枸杞子道地性AI识别方法

技术领域

本发明涉及枸杞道地性AI识别技术领域，为一种利用人工智能图像识别技术进行枸杞子产地鉴别技术。

背景技术

道地药材，又称为地道药材，是优质中药材的代名词，是指药材质优效佳，道地药材是指经过中医临床长期应用优选出来的，产在特定地域，与其他地区所产同种中药材相比，品质和疗效更好，且质量稳定，具有较高知名度的中药材。出自历史原产地的道地中药材的药效和市场价值高于其他产地的同类中药材，但是，由于不同产地药材外观有一定相似性，给其道地性鉴别造成困难，因此如何准确、简便、快速鉴别道地药材具有重要意义。

枸杞属(Lycium)来源于希腊语lykion，指的是一种多刺植物。枸杞名称始见于中国二千多年前的《诗经》。明代的药物学家李时珍称：“枸杞，二树名。此物棘如枸之刺，茎如杞之条，故兼名之。”通常食用和药用枸杞实际指的是其成熟果实，也称枸杞子，夏、秋果实成熟时采摘，除去果柄，置阴凉处晾至果皮起皱纹后，再暴晒至外皮干硬、果肉柔软即得。遇阴雨可用微火烘干。枸杞子具有多种保健功效，是卫生部批准的药食两用食物。适量食用有益健康，功能主治为滋肾，润肺，补肝，明目。治肝肾阴亏，腰膝酸软，头晕，目眩，目昏多泪，虚劳咳嗽，消渴，遗精。

枸杞为我国一种重要的中药资源，在我国宁夏、内蒙古、甘肃、新疆等多地都有种植，受到地理因素的影响，不同产地枸杞的品质存在显著差异。中国宁夏回族自治区中宁县是世界枸杞的发源地和正宗原产地，也是中国枸杞主产区和新品种选育、新科技研究推广开发区，有500余年的枸杞栽种历史，地处内蒙古高原和黄土高原过渡带，属北温带大陆性季风气候区，光照充足，有效积温高，昼夜温差大。正是这一独特的地理环境和气候为枸杞生长提供了全国最优越的自然环境，素有“天下黄河富宁夏，中宁枸杞甲天下”的美誉。为了保障枸杞作为中药品质的稳定性，2017年5月15日，经中国中药协会中药材检测认证专业委员会认定，中宁枸杞被列入首批国家道地中药材标准认证品种。因此，在枸杞的加工、贮存、采购和销售等环节中，鉴别枸杞的产地，是保证枸杞产品质量的重要一环。但目前尚未有高效、准确地对枸杞产地和品质进行鉴别的手段。

(1)传统依据成分分析的枸杞道地性检测方法

如通过药物的遗传特征，外观、气味，但多数通过其成分特征进行鉴别，如通过其微量元素，蛋白、多糖等的含量进行区分，这些常常与现代仪器分析手段相结合，如通过HPLC-M S、GC-MS等手段对中药中的不同成分进行分析。而对于枸杞道地性检测，目前只有一些初步和小规模研究，如李军和郭晏海用随机扩增多态DNA(RNAD)标记方法对宁夏和内蒙不同来源地的枸杞进行遗传多样性分析，但是，随着枸杞品种从宁夏向其它地方扩散，这种遗传差异很难再反映地域特征。因而许多人采用不同地区气候、水土等对枸杞成分影响入手，从枸杞成分上寻找与产地的关系，如选取枸杞多糖、甜菜碱、总糖作为枸杞品质的主要评价指标，宁夏、新疆、甘肃、青海、河北枸杞样品进行了特征分析。刘毅等采用ICP-AES法测定了不同产地枸杞中Pb、As、Hg、Cd、Cr、Cu、Fe、Mn、Zn等九种元素的含量，对枸杞中的重金属及微量元素状况进行了评价，找出了元素含量和产地之间的关系。李越鲲等对新疆、青海、宁夏、甘肃、内蒙5等(区)共10个产区三批次的‘宁杞1号’的9个主要化学成分差异进行了测定分析，但这些研究只是简单比较，没有构建有效的区分模型。常璇，史秀红，任永丽等则对不同产地的枸杞微量元素含量进行测定和通过聚类分析等手段，建立了区分不同产地枸杞的模型。李小亭等对不同产地枸杞的黄酮类物质指纹图谱进行了聚类分析，比较了不同产地枸杞的异同。但是这些研究需要通过繁琐的成分分析手段获得不同产地枸杞成分数据，分析时间长、成本高，且可能由于不同操作人对样品前处理条件和测定条件掌握不一会使得结果变动很大，使得依据此类数据的手段进行枸杞道地性检测的普适性存在很大困难。

整体来说，这些基于大型仪器或冗长化学成分分析手段的中药道地性检测手段不适用于枸杞道地性的低成本、方便、快速检测。

(2)依据枸杞果实整体光谱性质的道地性检测

依据对枸杞整体(不分析单独成分)光谱性质进行枸杞的产地检测也有一些报道，王亚鹏采用近红外光谱技术对宁夏中宁、宁夏非中宁、非宁夏三类枸杞进行产地鉴别，采用主成分分析(PCA)并进一步采用简易分类法和随机森林算法分别对样品进行产地鉴别，模型的产地识别正确率分别达到90％和88％，表明利用近红外光谱技术在一定程度上可快速、简便地实现枸杞的产地鉴别。李仲等人依据枸杞红外光谱构建人工神经网络模型对44个枸杞样品产地进行鉴别，建立3层人工神经网络。其中隐含层神经元个数为5个，输出层神经元个数为1 个。在实验的样品检测中有极高的预测准确率。实验表明，红外光谱法结合人工神经网络可作为中药材产地分类鉴别的一种新的现代化方法。张轩等采用固体样品支架测得36个枸杞粉末样品的三维荧光光谱，利用平行因子分析方法对预处理后的三维荧光矩阵进行三线性分解得到2个主因子的浓度得分，然后将浓度得分作为BP神经网络的输入向量，建立枸杞的人工神经网络鉴别模型。利用所建模型对课题组自己的待测样品进行预测，预测正确率达到100％。

从以上的报道中可以看出，虽然依据枸杞整体光谱特征进行道地性检测克服了成分分析过程分离、纯化等步骤，但是仍然需要贵重和体型硕大的精密光谱分析仪器，只能采用送样检测方式，不仅增加了检测成本，也不适合中药商品市场流通现场检测。

发明内容

1.一种基于外观图像的枸杞子道地性AI识别方法，其特征包括不同产地枸杞子外观图像采集，图像分类，道地性识别模型的选择和训练，道地性预测的实施。

2.本发明所述枸杞子是指市场上枸杞成熟果实经干燥后的果实籽粒。

3.权利要求1所述的不同产地枸杞子外观图像采集、图像分类，包括如下步骤：

(1)权利要求1所述枸杞子外观图像为利用光学相机或是摄像机拍摄得到的枸杞子光学数码图像，如果用模拟相机拍摄，其图像可用扫描仪等数字工具将其扫描为数字图像数据。拍摄过程采用改变视距大小、角度、光线明暗等以得到不同拍摄条件下枸杞子代表图像。

(2)权利要求1所述枸杞子外观图像分类按照产地+品种进行分类(如产于中宁地区的宁杞1号枸杞子命名为“中宁宁杞1号”)，创建不同类别枸杞子外观图像数据集。

(3)为了提高预测方法对枸杞与非枸杞的识别度，本发明使用了除枸杞子之外其它物品如葡萄干、果脯等与枸杞子外观类似的物品、以及其它任何非枸杞子物品外观图像，其分类为非枸杞。

(4)权利要求1所使用的图像经过转换变为相同尺度大小，且均经过标准化处理。

4.权利要求1所述枸杞子道地性AI识别模型的选择和训练，包括如下步骤：

(1)权利要求1所述枸杞子道地性识别选择卷积神经网络图像识别方法(CN N)，其特征包括有卷积层，池化层，Flatten，等不同层数组合，同时还包括全连接层和 softmax等操作。

(2)权利要求1所述枸杞子道地性识别模型训练包括图像和分类标签数据的读取，随机按比例分为训练集和验证集，对CNN模型进行训练，同时选择不同优化器、 Batchsize，学习率等参数以达到对验证集最佳验证精确度(Val-accuracy)，得到相应训练模型。

5.为了能够提高AI对枸杞子道地性识别的准确率，当本权利要求4训练再难以提高验证精确度(Val-accuracy)时，利用该模型对训练集进行预测，将预测正确准确率最高的部分样本(约5～35％)部分移除，剩下的训练集按权利要求4继续训练以提高模型对枸杞子道地性识别准确率。

6.权利要求5操作可多次循环2-3次以进一步提高模型对枸杞子道地性的识别率。

7.按照权利要求1～6操作得到最终预测模型后，可布置到网站，客户端可通过浏览器或APP将待检测枸杞子外观图片提交到网站进行道地性识别并可将产地结果反馈至客户端。

8.本发明可实现对枸杞道地性低成本、快速在线检测，克服了以往依靠成分分析时间长、成本高、影响因素多且不能在线及时给出检测结果的弊端。该手段也可推广到其它中药材道地性快速检测。

附图说明

图1是本发明实施例所述基于深度学习的枸杞道地性预测图像模型构建流程图；

具体实施方式

下面结合说明书附图及实施例对本发明的技术方案做进一步说明，但本发明所保护范围不限于此。

实施例1

图像的采集

1、利用光学相机或是摄像机拍摄得到不同产地，不同品种的经过干燥后枸杞成熟果实图片6000张，并将获取的图像保存在一个文件夹中，以产地名称+品种名称的方式对各图像进行重命名；再搜集各种代表性非枸杞图片6000张，命名为非枸杞。

2、利用CNN进行训练模型，通过所述枸杞道地性鉴别识别系统获取枸杞样本数据库，并利用特征提取算法对所述枸杞样本数据库中的每个枸杞图片进行特征提取，得到每个枸杞的所有枸杞图片特征向量，再经过多层复杂特征提取。

实施例2

初步预测

1、权利要求1所述枸杞子道地性识别选择卷积神经网络图像识别方法(CNN)，其特征包括有卷积层，池化层，Flatten，等不同层数组合，同时还包括全连接层和softmax等操作。所述枸杞子道地性识别模型训练包括图像和分类标签数据的读取，随机按比例分为训练集和验证集，对CNN模型进行训练，同时选择不同优化器、Batchsize，学习率等参数以达到对验证集最佳验证精确度(Val-accuracy)，得到相应训练模型。

2、为了能够提高AI对枸杞子道地性识别的准确率，当步骤1训练再难以提高验证精确度(Val-accuracy)时，利用该模型对训练集进行预测，将预测正确准确率最高的部分样本 (约5～35％)部分移除，剩下的训练集按权利要求4继续训练以提高模型对枸杞子道地性识别准确率。

实施例3

多次预测

1、为了能够提高AI对枸杞子道地性识别的准确率，当上述步骤1训练再难以提高验证精确度(Val-accuracy)时，利用该模型对训练集进行预测，将预测正确准确率最高的部分样本(约5～35％)部分移除，剩下的训练集按权利要求4继续训练以提高模型对枸杞子道地性识别准确率，可多次循环2-3次以进一步提高模型对枸杞子道地性的识别率。

实施例4

网页识别

1、按照权利要求1～6操作得到最终预测模型后，可布置到网站，客户端可通过浏览器或 APP将待检测枸杞子外观图片提交到网站进行道地性识别并可将产地结果1.8秒之内可给出验证结果反馈至客户端。

Claims (8)

1.一种基于外观图像的枸杞子道地性AI识别方法，其特征包括不同产地枸杞子外观图像采集，图像分类，道地性识别模型的选择和训练，道地性预测的实施。

2.权利要求1所述枸杞子是指市场上枸杞成熟果实经干燥后的果实籽粒。

3.权利要求1所述的不同产地枸杞子外观图像采集、图像分类，包括如下步骤：

(1)权利要求1所述枸杞子外观图像为利用光学相机或是摄像机拍摄得到的枸杞子光学数码图像，如果用模拟相机拍摄，其图像可用扫描仪等数字工具将其扫描为数字图像数据。拍摄过程采用改变视距大小、角度、光线明暗等以得到不同拍摄条件下枸杞子代表图像。

(2)权利要求1所述枸杞子外观图像分类按照产地+品种进行分类(如产于中宁地区的宁杞1号枸杞子命名为“中宁宁杞1号”)，创建不同类别枸杞子外观图像数据集。

(3)为了提高预测方法对枸杞与非枸杞的识别度，本发明使用了除枸杞子之外其它物品如葡萄干、果脯等与枸杞子外观类似的物品、以及其它任何非枸杞子物品外观图像，其分类为非枸杞。

(4)本权利要求1所使用的图像经过转换变为相同尺度大小，且均经过标准化处理。

4.权利要求1所述枸杞子道地性AI识别模型的选择和训练，包括如下步骤：

(1)权利要求1所述枸杞子道地性识别选择卷积神经网络图像识别方法(CNN)，其特征包括有卷积层，池化层，Flatten，等不同层数组合，同时还包括全连接层和softmax等操作。

(2)权利要求1所述枸杞子道地性识别模型训练包括图像和分类标签数据的读取，随机按比例分为训练集和验证集，对CNN模型进行训练，同时选择不同优化器、Batchsize，学习率等参数以达到对验证集最佳验证精确度(Val-accuracy)，得到相应训练模型。

5.为了能够提高AI对枸杞子道地性识别的准确率，当本权利要求4训练再难以提高验证精确度(Val-accuracy)时，利用该模型对训练集进行预测，将预测正确准确率最高的部分样本(约5～35％)部分移除，剩下的训练集按本权利要求4继续训练以提高模型对枸杞子道地性识别准确率。

6.权利要求5操作可多次循环2-3次以进一步提高模型对枸杞子道地性的识别率。

7.按照权利要求1～6操作得到最终预测模型后，可布置到网站，客户端可通过浏览器或APP将待检测枸杞子外观图片提交到网站进行道地性识别并可将产地结果反馈至客户端。

8.本发明可实现对枸杞道地性低成本、快速在线检测，克服了以往依靠成分分析时间长、成本高、影响因素多且不能在线及时给出检测结果的弊端。该手段也可推广到其它中药材道地性快速检测。

Images